Характеристики

Контекст: 8 192 токена
Параметры: 464 млн
Лицензия: Apache 2.0
Архитектура: llama · dense
Базовая модель: arco
Опубликована: 7 сен 2024

Ссылки

Hugging Face

arco-reflection-old

appvoid

Генерация текстаТекст → текст4 профессии

Дообученная компактная модель Llama для генерации текста и ответов на вопросы.

16скачиваний за 30 дней0лайковвеса обновлены7 сен 2024

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

Добавьте модель в бенчмарк
Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.
Опишите свои задачи
Напишите запросы, при необходимости приложите файлы и эталонные ответы.
Запустите и опубликуйте
Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

appvoid/arco-reflection-old — модель генерации текста на архитектуре Llama, разработанная appvoid и дообученная на основе appvoid/arco. Она предназначена для генерации ответов и диалогового использования; в карточке приведён пример простого арифметического вопроса. В README указаны результаты на бенчмарках ARC Challenge, HellaSwag и MMLU.

Модель содержит 464,4 млн параметров, принимает текст и выдаёт текст, а её контекст составляет 8192 токена. Для обучения использовались Unsloth и библиотека Hugging Face TRL. Указан язык en. Лицензия — Apache-2.0.

Сценарии применения

генерация текстовых ответов на вопросы
диалоговое взаимодействие с пользователем
проверка знаний на задачах ARC Challenge
оценка рассуждений на бенчмарках HellaSwag и MMLU

Ограничения

В README приведены сравнительно низкие оценки на MMLU и ARC Challenge; результаты не подтверждают надёжность модели для сложных рассуждений. Данных о более широком тестировании и практических ограничениях нет.

Для каких профессий подходит4

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

I.5Универсальные способностиСоздание и редактирование текстаAI помогает создавать и улучшать текстовые материалы, сохраняя смысл и требования автора.18 задач44 385моделей I.2Универсальные способностиСинтез, понимание и проверка знанийAI помогает сжимать, сопоставлять и критически проверять знания без потери существенного контекста.18 задач42 341модель II.6Разработка и данныеДокументация и сопровождение разработкиAI помогает поддерживать понятную техническую документацию и ускорять передачу знаний.18 задач38 015моделей I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923модели

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Prompt

Similar to the popular llama3-70b-reflection model you can prompt it as follows:

What is 12 + 12?

<thinking>

Task	Score	Metric
ARC Challenge	0.3541	acc_norm
HellaSwag	0.6049	acc_norm
MMLU	0.2730	acc
PIQA	0.7247	acc_norm
Winogrande	0.6022	acc

This table presents the extracted scores in a clear, tabular format. The "Task" column shows the name of each benchmark, the "Score" column displays the corresponding value, and the "Metric" column indicates whether the score is acc_norm or acc.

Uploaded model

Developed by: appvoid
License: apache-2.0
Finetuned from model : appvoid/arco

This llama model was trained 2x faster with Unsloth and Huggingface's TRL library.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры: LlamaForCausalLM
Ревизия весов: 1c30ef5